پديد آورندگان :
پورعلي، فرناز دانشگاه علوم كشاورزي و منابع طبيعي گرگان , قادريفر، فرشيد دانشگاه علوم كشاورزي و منابع طبيعي گرگان - گروه زراعت , سلطاني، الياس دانشگاه تهران - گروه علوم زراعي و اصلاح نباتات , پهلواني، محمد هادي دانشگاه علوم كشاورزي و منابع طبيعي گرگان - گروه علوم زراعي و اصلاح نباتات
چكيده فارسي :
مقدمه
سرعت جوانه زني يكي از مهمترين شاخص هاي جوانه زني ميباشد كه در اكثر مطالعات براي مقايسه اثرات تيمارهاي مختلف بر جوانه زني بذرها استفاده ميشود. محققان براي محاسبه سرعت جوانه زني از معكوس زمان تا 50 درصد جوانه زني (1/D50) استفاده مي كنند. يكي از روش هاي محاسبه زمان تا 50 درصد حداكثر جوانه زني (D50)، استفاده از مدلهاي رگرسيون غيرخطي از قبيل لجستيك، گامپرتز، ريچارد، ويبول و هيل مي باشد. همچنين براي محاسبه اين پارامتر از مدل هاي تجربي ساده از قبيل مدل ارائه شده توسط فاروق و همكاران و اليس و روبرتز استفاده مي شود. حال سوالي كه پيش مي آيد اين است كه كداميك از اين روش ها پيشبيني دقيقي از D50 در اختيار محقق قرار مي دهد. هدف از اين تحقيق محاسبه D50 با روش هاي مختلف در جوانه زني بذرهاي پنبه مي باشد.
مواد و روش ها
در اين آزمايش، بذرهاي پنبه در سه دماي 15، 25 و 40 درجه سانتي گراد در سه تكرار قرار گرفتند و بذرهاي جوانه زده روزانه چندين بار شمارش شد. براي محاسبه D50 از چندين مدل رگرسيون غيرخطي شامل مدل هاي گامپرتز، لجستيك، هيل (چهار پارامتره)، ريچارد و ويبول استفاده شد. همچنين، براي محاسبه سرعت جوانه زني از مدل هاي ارائه شده توسط فاروق و همكاران و اليس و روبرتز استفاده شد.
يافته ها
نتايج نشان داد كه كليه مدلهاي رگرسيون غيرخطي برازش مناسبي به دادههاي جوانه زني داشتند، اما مدلهاي لجستيك، هيل و ويبول نسبت به ساير مدل ها پيشبيني بهتري در برآورد D50 داشتند. همچنين، D50 محاسبه شده توسط مدل فاروق مشابه مقدار برآورد شده توسط مدل هاي رگرسيون غيرخطي بود؛ اما مقدار برآورد شده توسط مدل آليس و روبرتز بيشتر از مقدار برآورد شده از ساير مدل ها بود.
نتيجه گيري
به طوركلي، نتايج اين تحقيق نشان داد كه براي محاسبه D50 مي توان از مدل هاي رگرسيون غيرخطي استفاده كرد. در اين تحقيق مدل هاي لجستيك، هيل و ويبول برازش خوبي به داده هاي درصد جوانه زني تجمعي بذرهاي پنبه در مقابل زمان در دماهاي مختلف داشتند. اين مدلها داراي ضرايبي مي باشند كه داراي مفهوم زيستي شامل حداكثر درصد جوانه زني، زمان تا 50 درصد حداكثر جوانه زني و زمان تا شروع جوانه زني مي باشند. همچنين، زماني كه محقق تنها به دنبال اندازه گيري D50 باشد و علاوه بر اين با نرم افزارهاي آماري آشنا نباشد، مي تواند از فرمول تجربي ارائه شده در اين مقاله استفاده كند.
جنبه هاي نوآوري: محاسبه زمان تا 50 درصد حداكثر جوانه زني با روش هاي مختلف در بذرهاي پنبه. استفاده از مدل هاي رگرسيون غيرخطي در محاسبه زمان تا 50 درصد حداكثر جوانه زني در بذرهاي پنبه. معرفي روش مناسب به عنوان روش دقيق تر و بهتر جهت محاسبه زمان تا 50 درصد حداكثر جوانه زني در بذرهاي پنبه.
چكيده لاتين :
Introduction
Germination speed is one of the most important germination indices, used in most studies to compare the effects of different treatments on seed germination. Researchers use the reverse time up to 50% maximum germination (1/D50) to calculate the germination rate. One of the methods used for calculating the D50 is the utilization of nonlinear regression models such as Logestic, Gompertz, Richard, Weibull and Hill. In addition, for the purpose of calculating this parameter, simple empirical models such as the model presented by Farooq et al. and Ellis and Roberts are used. The question which arises is which of these methods has more precision predicting D50. The purpose of this study was to calculate D50, using different methods in seed germination of cotton. Material and
Methods
In this experiment, cottonseeds were placed at three temperatures of 15, 25 and 40°C with three replications, and germinated seeds were counted daily several times. To calculate D50, several nonlinear regression models including Gompertze, Logestic, Hill (the four-parameter), Richard and Weibull models were used. Moreover, for the purpose of calculating D50, the models presented by Farooq et al. and Ellis and Roberts were used.
Results
The results showed that all nonlinear regression models exhibited suitable fit to germination data. However, logestic, Hill and Weibull showed better predictability of D50, compared with other models. Besides, D50 calculated by the Farooq model was similar to that estimated by nonlinear regression models, whereas D50 estimated by the Ellis and Roberts model was higher than that estimated by other models.
Conclusions
The results of this study showed that both non-linear regression models and the model developed by Farooq could be used to calculate D50 of cottonseed. In general, the results of this study showed that nonlinear regression models could be used to calculate D50. In this research, Logestic, Hill, and Weibull showed good fit for cumulative seed germination data of cotton seeds versus time at different temperatures. These models have coefficients that have a biological concept that includes maximum germination percentage, time to 50% maximum germination and time to start germination. Moreover, when researchers only seek to measure D50 and are not familiar with the statistical software, they can use the empirical formula presented in this research. Highlights: Calculating D50 in cottonseeds, using different methods. Using nonlinear regression models to calculate D50 in cottonseeds. Developing a proper method which is more accurate, and better lends itself to calculating D50 of cottonseeds.
